物流管理论文哪里有？本文提出了化学品承运商在实际的不定期船舶运输业务中面临的决策难题，问题具有研究对象多样，目标函数和约束条件复杂等特点，并进一步加入了船舶在选取订单时要考虑的船-货不兼容及货-货不兼容的特殊要求。采用分航段建模的思路，建立了本文 MILP 模型。由于 MILP 模型的决策变量较多且关系复杂，MILP 模型调整适应问题条件变化的灵活性相对较差。考虑到 CP模型对顺序关系及时间关系等一系列的逻辑约束的表达颇具优势，因此，基于约束规划方法构建了问题的 CP 模型。
第 1 章 绪论
1.3 国内外相关研究现状
化学品海上运输调度相关的决策问题很多，根据研究角度、目标选取的不同，会衍生出很多不同的优化问题。本文所研究的化学品船舶运输调度问题旨在为一支船队的每一艘化学品船舶选择最佳的市场订单组合并制定相应的最佳航线，优化目标为最大化订单收益的同时最小化运输成本。因此该问题侧重于订单选择、指派以及及航线规划，而并未考虑风险成本及船舶变速等方面因素，相较于注重风险控制和注重船舶航速控制的运输调度优化研究，在模型设置上就有很大的不同，不同优化角度下的化学品海上运输业务相关的优化调度问题将在第二章节详细介绍，本节仅针对本文所研究的基于订单选择的化学品船舶运输调度问题做详细的相关研究现状分析。 根据相关研究所采用的优化算法分类，本节从精确算法研究和启发式算法研究两方面分别论述，此外，考虑到船舶运输调度问题与取送货车辆路径规划问题有一定的相似性，对车辆取送货问题中的类似研究进行研究综述，并讨论了两种问题研究的异同点。
1.3.1 化学品船舶运输调度问题研究
从 20 世纪 50 年代开始，海上运输就引起了学术研究人员的兴趣。而在化学品物流优化领域，国内大部分研究集中于危险化学品内陆运输包括车辆安全监控、危化品车辆路径规划等等，在海上物流方面的研究较少。国外关于化学品海上运输优化的问题研究起步相对较早。通过谷歌学者数据库对同时包含“运筹优化”和“化学品海上运输”关键字的文献进行检索并统计研究数量，从图 1-2 中不难看出 1989 年至 2019 年上旬，有关化学品运输调度优化的相关研究文献数量增势明显。
早在 1987 年，Brown 等人[2]便提出原油海上运输是一个油轮路由调度问题，首次将基础的单舱单型油轮运输多种原油的航线制定问题表述为一个弹性集合分割问题。随着多船型选择，多种货物协同运输等条件出现，问题逐渐复杂，常见处理方式是将复杂问题通过 D-W 分解、Benders 分解等算法，拆分为主问题、子问题进行求解。在模型构建上，精确算法研究多采用混合整数线性规划（MILP）模型或者网络流模型。两种模型可以通过相互借鉴转化，优化模型表达效果，转化方法根据具体的实际问题确定。
第 3 章 问题描述及模型构建
3.1 化学品船舶运输调度问题描述
本节从问题的性质特点出发，对问题处理的多个对象进行详细分析和描述，明确化学品船舶海上运输调度问题决策对象之间的关系，对重要约束进行说明。在此基础上，对问题进行总结性描述并提出问题假设。
3.1.1 问题分析 化学品不定期船舶运输调度问题理论基础为取送货车辆路径规划问题。车辆路径规划类型的问题涉及三大要素：车辆、货物及约束。本文所研究问题处理的核心对象即化学品船舶、化学品市场货运订单，核心约束包括取送货约束、时间窗约束及特殊不兼容约束。可从这几个方面详细分析化学品船舶运输调度问题。
（1）运输船舶：化学品海上物流的承运商运营的船队为一支型号并不完全相同化学品运输船队。不同船型的船舶容量、船舶运营成本、船舶油耗费率不同，由于港口费按照船舶容量划分档次收取，因此不同容量的船舶，其港口访问费也各不相同。此外，在调度周期内，不同船型的化学品船舶能够运输的货物类型也不相同，这点将放在不兼容约束部分讨论。由于船舶类型不同，因此，在建模时需要构建不同类型的船舶对象，船型直接影响其可选择的订单及船舶航线的成本计算。
（2）市场订单：化学品船舶承运商需要处理的订单货物分布各地港口之间，其中，货物是不可相互替代的，货物种类繁多，单笔订单的需求只能由指定批次货物满足。这通常被称为多商品问题[54]。本文所描述的化学品船舶航线规划问题也是一个多商品问题。问题中每一个订单对应一个需要运输的化学品货物批次。这些商品订单具有不可替代性，即每笔订单只允许其对应的商品满足，而不能被其他订单的同种商品满足。每笔订单的货物需要从一个起始的取货港口运输到另外一个目标卸货港口。每笔订单包含要运输货物的品种、数量信息，及执行该订单能赚取的收益信息。
（3）船舶的容量限制：取送货的作业性质对船舶容量约束的影响较大，取送货操作使得船舶的容量一直处于一个动态变化的状态。相较于一般车辆路径规划问题静态的容量限制策略，取送货问题的容量约束建模更为复杂。
（4）取送货港口访问顺序要求：车辆取送货问题与一般车辆路径规划问题最大的区别就在于取送货带来的节点访问顺序约束，此处简称取送货约束。本文中每一笔被分配的订单也就对应着船舶必须要访问的一对港口（取货港口和卸货港口），且取货港口必须在卸货港口之前访问。
第 5 章 实验结果及对比分析
5.1 算例介绍及数据说明
本文采用的实验算例有两个，根据港口的分布情况可分为国际运输调度算例和国内运输调度算例。
（一）国际化学品船舶运输调度算例 国际化学品船舶运输调度算例的数据为文献[8]的案例数据。其背景是一个大型航运公司面临的规划问题，该公司在亚洲地区经营着一支由多舱化学品液货船队。船队整合了全球分销服务，通过从该公司的深海船队计划转运，将货物重新分配到该地区的各个卸货港。该公司船队通过与该地区制造商的长期货运合同及现货市场需求，为该地区日益增长的化学品运输市场提供服务。订单所涉及的港口分布较广，港口数量较多。相较于国内的化学品海运业务而言，订单不具备地区流向性质。此外，受国际港口距离普遍较远的影响，国际化学品船舶运输调度问题的调度周期更长。
国际化学品船舶运输调度案例的数据涉及 36 个港口，10 艘多舱化学品液货船舶，订单数为 79 笔，其中待选择市场订单 42 笔，船舶运输速度设置为 13 海里/小时。具体数据可查阅文献[8]。
（二）国内化学品船舶运输调度算例
国内化学品船舶运输调度算例数据根据国内行业分析报告、国内化学品船舶及港口实际作业数据生成。国内航线规划算例的背景是从事国内短期化学品散货运输的化学品承运商所面临的规划问题。业务涉及港口主要分布于国内沿海，涉及天津、大连、青岛、宁波、舟山、漕泾、惠州等多个主要的内贸散装液体化学品业务挂靠港口。由于国内港口间距离相较于国际航线更短，从事内贸的化学品海运业务的周期相较较短。
5.2 实验设计
通过两个算例的数据设计实验以测试本文提出的不同算法的求解效果。实验验证包括两个方面：其一，测试利用基于 MILP 模型的数学规划算法、约束规划算法和粒子群算法求解中小规模问题的性能；其二，采用启发式迭代规则算法框架，分别基于 MILP 和粒子群实现的迭代算法求解大规模问题的算法性能。
基于 MILP 模型的精确算法和 CP 算法较难处理大规模问题，而完整的两个案例数据规模均较大，因此，抽取部分船舶作为小规模船舶海上运输调度问题的测试算例。而完整数据则用于测试基于 MILP 的迭代算法以及基于粒子群的迭代算法。测试的算例规模如下表 5-4 所示，其中订单数为对应案例中的待分配订单数。A0 和 B0 代表全数据的实际案例，A1、A2、B1 及 B2 均为抽取部分船舶构成的小规模船舶海上运输调度测试算例。在不同规模的算例集合中，分别加入不同的不兼容约束集，测试不同规模下，不同程度的不兼容约束所带来的求解差异。
第 6 章 总结与展望
6.1 全文总结
化学品生产体量较大且危险品必须以安全方式运输，作为全球化学品供应链重要组成部分，石油的海洋运输物流成本高达采购成本的 20%。作为资本密集产业，增收减支是必要手段。化学品的不定期船舶运输业务涉及订单分配、航线制定等决策问题都直接影响化学海上运输成本，对于化学品承运商而言，在执行不定期船舶业务时有很大的决策优化空间。这些问题大多涉及多类型资源且具备多种约束，是决策复杂性高的组合优化问题。随着运筹技术的发展，运筹优化技术在调度及路由问题上有着丰富的实际应用与研究成果，同样适用于化学品海上物流的优化场景。不断有学者借助运筹优化方法解决石油海运优化问题，提升海运效率和经济效益。而目前大部分海运业务的决策交给有经验的员工人工判断，不合理一些决策也直接导致船舶运输成本的增加。同时由于化学品货物性质的复杂性，国内外学者针对化学品带船货不兼容及货货不兼容约束等特殊约束的优化问题研究较少。
化学品船舶运输业务中涉及很多的决策问题，本文对不同业务场景、不同研究角度下的化学品船舶运输业务相关的优化问题进行了详细总结与综述。针对本文研究的不定期船舶业务下带时间窗及特殊约束的多舱化学品船队运输调度问题，分别从问题分析与描述、问题模型构建、算法设计、算例分析等几个方面进行重点研究。总结本文的主要研究成果如下：
（1）问题 MILP 模型及约束规划模型的建立
首先，在详细介绍化学海上运输业务流程、特点以及海运化学品货物的性质要求的基础上，本文提出了化学品承运商在实际的不定期船舶运输业务中面临的决策难题，问题具有研究对象多样，目标函数和约束条件复杂等特点，并进一步加入了船舶在选取订单时要考虑的船-货不兼容及货-货不兼容的特殊要求。采用分航段建模的思路，建立了本文 MILP 模型。由于 MILP 模型的决策变量较多且关系复杂，MILP 模型调整适应问题条件变化的灵活性相对较差。考虑到 CP模型对顺序关系及时间关系等一系列的逻辑约束的表达颇具优势，因此，基于约束规划方法构建了问题的 CP 模型。
（2）启发式粒子群算法及启发式迭代规则的设计
鉴于化学品船舶运输调度问题是个复杂混合整数线性规划问题，大规模问题求解难度极大，为了加大在大规模问题下求解的可能性，本文对启发式算法进行的探索研究，设计了化学品船舶调度问题的粒子群算法。此外，考虑到缩小问题的求解规模对于问题求解的效率和解的精确度都有很大的帮助。以将大规模问题向小规模问题转化的思路，考虑以不断迭代求解单船问题，逐步固定决策变量，缩小问题规模的方式，开发了启发式的迭代规则。并分别基于 MILP 和粒子群实现了相应的迭代算法。
参考文献（略）
